一种基于方位时延的水下被动目标运动分析算法研究

设计了一种新型的水下被动目标运动分析系统.以测得的方位序列和到达不同传感器的时间差为基础,建立了状态方程和观测方程,运用扩展卡尔曼滤波算法,对系统进行了分析.通过蒙特卡罗模拟仿真实验结果表明,此算法具有收敛速度快、精度高、稳定性好等优点,有着良好的实际应用前景.     

刘伯承、邓小平指挥平汉战役"政治仗"的历史考察

平汉战役是晋冀鲁豫军区在刘伯承、邓小平的指挥下,在平汉铁路中段地区与国民党进行的一次重要战役.在这场战役中,刘邓制定了"政治仗"、"军事仗"双管齐下的战役指导方针,通过争取高树勋部阵前起义,促使平汉战役迅速取胜.这一役对解放战争时期我军对敌军的"政治仗",具有奠基性的作用.由此役引发的分化瓦解敌军的"高树勋运动",在尔后人民解放战争敌我双方力量的相互推移变化中起了至关重要的作用.     

军标图形运动航迹平滑处理方法研究

在计算机运动仿真中时常会遇到军标所代表目标转弯的情况。为了让军标在转弯处体现出转弯半径,并能够平滑逼真地显示,采用改进的坐标定位算法,利用实时经纬度坐标对军标的位置进行描述,并形象地在海图上显示;以Visual C++6.0为开发工具对目前常用的cximage类调用Rotate()成员函数旋转图像后,显示中心会出现偏差的问题进行了修正,保证了军标显示中心的正确位置,实现了军标沿直线、转弯圆弧运动。     

弹道导弹打击航空母舰末制导寻的方法研究

在弹道导弹与航母战斗群的攻防对抗中,弹道导弹需要采用有效的寻的方法以便在对抗中占优势。通过分析航母的运动特性,建立了预测其运动态势的数学模型;在此基础上,采用预测落点的末制导方法,在导弹弹头再入大气层后,通过多次预测和修正,实时修正由于航母运动和再入过程中大气影响等各种干扰因素所引起的落点偏差,以保证弹头能以较好的精度命中目标。从数字仿真结果来看,该方法成功率高,且制导精度较高,具有较强的工程应用价值。     

多平台多目标运动建模与仿真

针对现代战场环境下多平台多目标运动的特点,建立了各种机动、非机动目标运动模型,主要有蛇形机动、转弯和导弹比例导引等几种常见运动模型,并运用Matlab软件分别对其进行了计算机仿真。仿真结果表明,建立的数学模型与实际的目标运动基本是吻合的,可以用来描述目标的运动。     

水中微气泡上浮过程的力学影响因子研究

从受力分析的角度,对气泡运动方程进行了推导,并对半径在40~500μm之间的微小气泡上浮过程进行了仿真计算。结果表明,当半径小于500μm、气泡上浮距离大于0.1 m时,可忽略加速过程对气泡上浮速度的影响。在此基础上,对气泡运动方程进行了详细分析,结果表明,阻力系数与粘滞系数是影响气泡上浮速度的主要因素,它们的取值与上浮速度成反比,并得出了Re≤150条件下的微气泡运动通用的阻力系数表达式。     

考虑退化-冲击竞争失效的系统可靠性建模

针对在复杂环境中工作的关键系统,提出一种考虑退化-冲击关联竞争失效的可靠性建模方法。选取Wiener过程和齐次泊松过程分别描述自然退化与随机冲击,通过冲击造成的退化增量表示退化-冲击之间的关联性,基于此建立退化-冲击关联竞争失效的退化模型和可靠性模型;通过定期检测获取系统退化数据,采用极大似然法估计退化模型参数;以陀螺仪为例,通过对比分析和敏感性分析验证了模型的有效性和应用价值。     

孙中山与援闽粤军

“援闽粤军”是孙中山先生亲自组建的一支由革命党人掌握的武装力量 ,是国民党最早的“党军”。在孙中山的呵护、裁培下 ,援闽粤军在福建成长、壮大 ,建立了闽南护法区 ,并最终打回广东 ,推翻了桂系军阀的统治。孙中山适时调整政策 ,为援闽粤军的生存发展争取相对宽松的环境 ,孙中山是援闽粤军的总军师和“后勤部长”。     

变结构多模型估计第Ⅱ部分——模型集合自适应

变结构多模型(VSMM)估计的一个重要、自然和实用的方法是递归自适应模型集(RAMS)方法。此方法的关键是在理论上和实践上都具有挑战性的模型集自适应(MSA)。本文在理论上对MSA进行了研究。根据假设检验,阐明了MSA的各种典型问题,而这些假设一般是复合的,N元的,多变量的,更糟糕的是,不一定不相交。给出了一定数量的序列方案,这些方案在计算上都是高效的,容易实现的,并具有一些令人满意的最优特性。这些结果构成了建立性能良好,通用和实用的MSA算法的理论基础。在这里给出的理论结果已经应用于这系列后续部分的几种RAMS算法,这些算法都是应用广泛,容易实现并且明显优于当前的最佳固定结构多模型估计器。同时,它们对于变结构和固定结构多模型估计器的模型集对比、选择和设计都很重要。     

变结构多模型估计第Ⅳ部分——模型群切换算法的设计和评估

在第Ⅲ部分提出了一种称为模型群切换算法(MGS)的变结构多模型(VSMM)估计器它是第一种通用的、可应于一大类具有混合(连续或离散)不确定性问题的VSMM估计器.在这种算法中,模型集合通过在一定数目预先确定的模型群之间的切换来实现自适应.它比固定结构MM(FSMM)估计器,包括交互多模型估计器(IMM)具有更大的潜力获得更高的费效比.本文研究了算法应用中的一些比较重要的问题,包括模型群自适应逻辑和模型群的设计.研究的结果通过一个机动目标跟踪问题的详细设计例子进行了演示.这个跟踪问题使用一个时变模型集合,每个模型由目标的加速度期望值表征.仿真结果用来证实在仔细设计和非常随机和确定的情况下,MGS算法同使用所有模型的固定结构IMM(FSIMM)估计的性能(基于更合理和完全的度量,而不是仅使用通常的rms误差)和计算复杂程度的比较.